llms.txt 生成器

工作原理

默认情况下，工具会由服务端抓取你输入的网站首页和同域名链接，读取页面标题、meta description、H1-H3 标题、导航链接和正文片段，再用规则模板整理成一份可编辑的 llms.txt 草稿。

启用 LLM 后，工具会先读取首页和候选链接，让模型挑选值得深入抓取的页面，再把抓取结果交给模型写成更自然的 llms.txt。如果模型调用失败，系统会保留规则生成的草稿并在错误详情中说明本次使用了回退模式。

使用方式

1. 在网站域名或 URL 中输入域名或完整 URL，例如 example.com 或 https://example.com/docs。
2. 在补充说明中填写网站定位、产品说明、重点页面或你希望模型理解的背景。
3. 抓取页面数上限控制最多抓取的页面数。页数越多，覆盖越充分，但耗时也越长。
4. 只需要规则草稿时，直接点击生成 llms.txt；希望 AI 优化内容时，再启用 LLM。
5. 生成后可以复制结果，也可以下载为 llms.txt，发布前建议人工检查准确性。

LLM 设置

勾选使用 LLM API 优化后，会出现两条路线。受保护的默认 AI 使用服务端内置的 nekoapi 配置，但必须输入密码；自定义 LLM API 则由你填写自己的地址、模型和 API Key。

默认情况下不会展示 LLM API 地址，只有选择自定义路线时才显示。测试 LLM API 会发送一次很小的健康检查请求，用来确认当前路线是否能连通并返回文本。

排查与限制

如果生成失败，页面会在输出框和错误详情中显示错误代码、HTTP 状态、抓取 URL、content-type 或部分响应内容。对于较大的抓取页数，Vercel 等 serverless 平台可能触发函数超时；工具会尽量在平台超时前返回结构化错误。

内置 API 密码只用于降低网页被发现后的滥用风险，不等同于强安全边界。默认 API Key 已经存在于历史提交中，生产上应尽快轮换并迁移到环境变量管理。